3464 पेपर
यह अध्ययन MMVX-Net पेश करता है, जो एक गणनात्मक रूप से कुशल मांबा-आधारित (Mamba-based) ढांचा है जो सिंक्रोनाइज़्ड RGB-D वीडियो क्लिप्स का उपयोग करके बाइनरी डिस्फेजिया वर्गीकरण में उच्च सटीकता प्राप्त करता है, हालांकि लेखक यह उल्लेख करते हैं कि नैदानिक तैनाती से पहले आगे के सत्यापन की आवश्यकता है।
यह शोध पत्र कंज्यूमर जीपीयू पर मिक्सचर-ऑफ-एक्सपर्ट्स (Mixture-of-Experts) इन्फरेंस के लिए प्रतिस्थापन (substitution) और कैशिंग रणनीतियों की जांच करता है, जो यह प्रदर्शित करता है कि केवल उच्च-प्राथमिकता वाले विशेषज्ञों को चुनिंदा रूप से प्राप्त करना या संचित गेट मास (gate mass) के आधार पर एक बैकग्राउंड लोडिंग नियम का उपयोग करना, प्रत्येक विशेषज्ञ मिस (expert miss) को प्राप्त करने की तुलना में न्यूनतम परप्लेक्सिटी गिरावट के साथ डिकोडिंग को महत्वपूर्ण रूप से तेज (2.5–3.0× तेज़) कर सकता है।
यह शोध पत्र प्रदर्शित करता है कि जहाँ RAG और LoRA फाइन-ट्यूनिंग मनोरोग संबंधी कार्यों के लिए छोटे मॉडलों की नैदानिक सटीकता में लगातार सुधार नहीं करते हैं, वहीं वे सुरक्षा-संबंधित उच्च-जोखिम वाले रिकॉल (recall) को गंभीर रूप से खराब कर देते हैं, जिसमें फाइन-ट्यूनिंग की विफलताओं का पता विशिष्ट डेटा लेबलिंग त्रुटियों से चलता है और RAG की विफलताएं एक खुला यांत्रिक प्रश्न बनी हुई हैं।
यह शोध पत्र एक कम लागत वाला, गोपनीयता-संरक्षण करने वाला, एआई-संचालित ढांचा प्रस्तुत करता है जो वास्तविक समय में, संपर्क रहित मानव उपस्थिति का पता लगाने, लोगों की गिनती करने और गतिविधि वर्गीकरण के लिए 78.57% सटीकता के साथ ESP32 उपकरणों द्वारा कैप्चर किए गए वाई-फाई चैनल स्टेट इंफॉर्मेशन (CSI) और एक हाइब्रिड CNN-BiLSTM-Attention मॉडल के माध्यम से संसाधित डेटा का उपयोग करता है।
यह अध्ययन प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स शैक्षिक मूल्यांकनों में व्यवस्थित भाषाई और सांस्कृतिक पूर्वाग्रह प्रदर्शित करते हैं, जो विभिन्न भाषाओं में भिन्न कठिनाई और लंबाई के साथ आकलन उत्पन्न करते हैं जो PISA स्कोर के साथ सह-संबंध रखते हैं और पश्चिमी संदर्भों में सहानुभूति पर तथा एशियाई संदर्भों में पदानुक्रम पर बल देने वाले रूढ़िबद्ध धारणाओं को सुदृढ़ करते हैं, जिससे तैनाती से पहले सांस्कृतिक रूप से टिकाऊ ऑडिट की आवश्यकता होती है।
यह शोध पत्र आर्टिफिशियल एक्सपीरिएंस इंटेलिजेंस (AXI) का प्रस्ताव करता है, जो एक नया इंजीनियरिंग अनुशासन है जिसमें पांच-स्तरीय आर्किटेक्चर और "AXI ब्रिज" कंट्रोल प्लेन शामिल है ताकि यह सुनिश्चित किया जा सके कि AI सिस्टम मानव-स्तर की स्वाभाविकता और मशीन-स्तर की ईमानदारी के बीच संतुलन को नियंत्रित करते हुए मनुष्यों के साथ सहजता से, उपयोगी रूप से और ईमानदारी से बातचीत करें।
यह अध्ययन प्रदर्शित करता है कि अकाउंट गतिविधि के समय का विश्लेषण करना अकेले ही समन्वित बॉट अभियानों (coordinated bot campaigns) का पता लगाने के लिए एक शक्तिशाली संकेत है, जिसमें टेंपोरल कन्वोल्यूशनल नेटवर्क ऑटोएनकोडर्स (Temporal Convolutional Network autoencoders), क्रेसी-2017 (Cresci-2017) डेटासेट पर अनसुपरवाइज्ड विसंगति पहचान (unsupervised anomaly detection) में GAN-आधारित और अन्य पुनर्निर्माण मॉडलों की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह पायलट अध्ययन प्रदर्शित करता है कि UASC-Net Lite v2, जो कि एक कॉम्पैक्ट 3D U-Net का अनिश्चितता-जागरूक विस्तार है, एक बेसलाइन की तुलना में BraTS 2021 के एक छोटे उपसमूह पर लीजन रिकॉल और सेगमेंटेशन ओवरलैप में सुधार करता है, जबकि अपने छोटे कोहॉर्ट और सत्यापन-आधारित थ्रेशोल्ड अंशांकन की सीमाओं के बावजूद मूल्यवान स्थानिक विश्वास मानचित्र प्रदान करता है।
यह शोध पत्र एक मानव-केंद्रित छवि पुनर्प्राप्ति (इमेज रिट्रीवल) पद्धति प्रस्तावित करता है जो 2.5D व्यक्ति लेआउट और गैर-मौखिक सामाजिक संकेतों—जैसे कि दृष्टि (गेज़), अभिविन्यास (ओरिएंटेशन) और हाव-भाव—को एनकोड करने के लिए सीन ग्राफ का लाभ उठाता है, जिससे वैश्विक दृश्य समानताओं से परे अंतर-वैयक्तिक अंतःक्रियाओं की संरचनात्मक तुलना सक्षम होती है।
साइंस एज इवैल्यूएशन (SEE) बेंचमार्क यह प्रकट करता है कि वर्तमान मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स वास्तविक दुनिया की वैज्ञानिक खोज में प्रयोगात्मक डेटा से विश्वसनीय साक्ष्य-आधारित अंतर्दृष्टि प्राप्त करने में संघर्ष करते हैं, जो स्थापित अवधारणाओं की व्याख्या करने और नवीन, न्यायसंगत वैज्ञानिक अनुमान उत्पन्न करने के बीच एक महत्वपूर्ण अंतर को उजागर करता है।